Skip to main content
 首页 » 编程设计

python之Numpy根据mask生成全局数组的子集

2025年04月02日17zengkefu

我有兴趣根据使用 numpy 的匹配 bool 掩码从全局二维数组生成 np.arrays 的列表(或 np.array),用于特定轴。我想知道是否可以使用 np.ma.mask() 或类似的...

举个例子可能更好:

number= 10 
x = np.linspace(0,number,num=number+1,dtype=int) 
B = np.vstack((x%3==0, x%2==0, x%1==0)) 
X = np.vstack((x//3, x//2, x-1)) 
 
list_ = [] 
for i in range(1,number+1): 
    pointer = X[:,i][B[:,i]] 
    list_.append(pointer) 
 
print(list_) 
[array([0]), array([1, 1]), array([1, 2]), array([2, 3]), array([4]), array([2, 3, 5]), array([6]), array([4, 7]), array([3, 8]), array([5, 9])] 

在 for 循环中,我基本上是基于 bool 掩码 B 在二维数组 X 中提取 axis=1 上的值。我通过遍历 axis=0 并选择 X[:,i][ 来实现此目的双]]。我想知道是否可以在没有循环的情况下执行此操作,因为范围可能非常大,并且完全在 numpy 中执行,也许在 np.ma.array(X,mask=B) 上使用 where 语句?

干杯!

请您参考如下方法:

以下是我将遵循的以矢量化方式解决案例的步骤 -

  1. 使用 bool 索引从X中选择有效元素。
  2. 获取我们看到列索引为输入掩码移动的索引。这将在转置掩码后实现,使用 np.where 并选择第一个输入参数。
  3. 最后,使用这些索引,拆分在步骤 1 中获得的有效元素数组。

实现看起来像这样-

cut_idx = np.unique(np.where(B[:,1:].T)[0],return_index=True)[1] 
out_list_ = np.split(X[:,1:].T[B[:,1:].T],cut_idx[1:])